如何将DataFrame中存储字典列表的列拆分至多列？

嘿，你已经完成了最关键的一步——把字符串格式的列表转成了可操作的Python对象，接下来的处理其实很简单，咱们一步步拆解：

1. 先验证单一行的处理逻辑 #

你已经通过ast.literal_eval把第一行的line_items转成了包含单个字典的列表，接下来只要取出这个字典，转成Pandas Series就能得到对应列名和值的结构：

import pandas as pd

# 你已经得到的列表对象
li_column = [{'id': 4099, 'name': 'xxxxxxxx + 30 filter', 'product_id': 6546, ...}]

# 取出列表里唯一的字典
single_item_dict = li_column[0]
# 转成Series，字典的键会自动成为索引（也就是后续的列名）
item_series = pd.Series(single_item_dict)

print(item_series)

输出会是类似这样的结构：

id                  4099
name        xxxxxxxx + 30 filter
product_id           6546
...
dtype: object

2. 批量处理整个1500行的DataFrame #

把上面的逻辑用apply推广到整个列，再合并回原DataFrame即可：

import pandas as pd
import ast

# 假设你的原始DataFrame是my_df
# 第一步：把所有line_items的字符串转成Python列表
my_df['line_items'] = my_df['line_items'].apply(ast.literal_eval)

# 第二步：提取每个列表里的字典，转成新的DataFrame
expanded_line_items = my_df['line_items'].apply(lambda x: pd.Series(x[0]))

# 第三步：把展开后的列和原DataFrame合并（记得去掉原来的line_items列）
final_df = pd.concat([my_df.drop('line_items', axis=1), expanded_line_items], axis=1)

# 查看前几行结果
final_df.head()

执行后你就会得到包含id、name、product_id等新列的DataFrame，每行对应的值就是原字典里的内容。

额外处理：嵌套的meta_data列（可选） #

如果还想把meta_data里的嵌套字典也展开成单独的列（比如把pa_size、_reduced_stock转成独立列），可以再加一段处理逻辑：

def extract_meta(meta_list):
    # 把meta_data里的字典转成键值对字典
    meta_dict = {item['key']: item['value'] for item in meta_list}
    return pd.Series(meta_dict)

# 展开meta_data列
expanded_meta = final_df['meta_data'].apply(extract_meta)

# 合并到最终DataFrame（去掉原来的meta_data列）
final_df = pd.concat([final_df.drop('meta_data', axis=1), expanded_meta], axis=1)

处理后你就会看到pa_size、_reduced_stock这样的新列，对应的值就是原嵌套字典里的L、1等内容。

内容的提问来源于stack exchange，提问作者Caio Gadanha